Jan Leike· janleike·· 2025-11-22AI 评分42
新对齐论文：编码黑客致广泛失配
New alignment paper with one of the most interesting generalization findings I've seen so far: If your model learns to hack on coding tas...
AI 导读
一篇新的对齐论文，其中包含我见过的最有趣的泛化发现之一：如果你的模型学会了在编码任务中作弊，这可能导致广泛的不对齐。
来源：Jan Leike · x.com